1. 课程导论：额度模型在信贷风控中的核心地位、样本构建与切分对模型效果的决定性影响、课程整体学习路径图
1.1 额度模型：信贷风控的“定价中枢”
在信贷全生命周期中，额度模型承担着“风险定价与资源分配”的核心职能。它决定了：
- 贷多少——在客户可接受的风险范围内，最大化授信额度；
- 贷多久——匹配资金用途与还款能力，控制期限错配风险；
- 以什么条件贷——利率、还款方式、担保要求等风险缓释措施。
额度模型与申请评分卡、行为评分卡、催收评分卡共同构成信贷风控模型体系，但额度模型直接关联资金占用与收益，其误判成本远高于其他模型。
| 模型类型 | 核心目标 | 决策输出 | 误判代价 |
|---|---|---|---|
| 申请评分卡 | 准入/拒绝 | 通过/拒绝 | 坏账损失 |
| 额度模型 | 风险定价 | 授信金额/利率 | 资金浪费+坏账 |
| 行为评分卡 | 贷中监控 | 额度调整/预警 | 风险滞后 |
| 催收评分卡 | 催收策略 | 催收优先级 | 回收率下降 |
关键认知：额度模型不是“越大越好”，而是“风险-收益最优平衡”。样本构建与切分直接决定了模型能否学到这种平衡。
1.2 样本构建与切分：模型效果的“地基工程”
额度模型依赖历史借贷数据训练，但原始数据存在三大天然缺陷：
- 选择性偏差——只有“被授信客户”才有额度表现，未授信客户无标签；
- 样本不平衡——好客户远多于坏客户，模型容易“偷懒”预测为好；
- 时间漂移——过去的数据分布与未来不一致，模型泛化能力下降。
样本构建与切分正是解决上述问题的系统性工程，其质量直接影响模型效果的上限：
| 样本环节 | 常见错误 | 对模型的影响 |
|---|---|---|
| 观察点定义 | 使用贷后数据反推 | 未来信息泄露，模型高估 |
| 表现期窗口 | 窗口过短/过长 | 标签噪声大/样本量不足 |
| 样本切分 | 随机切分忽略时间 | 时间穿越，验证失效 |
| 拒绝推断 | 不做或简单插补 | 样本偏差固化 |
行业教训：某头部消金公司使用随机切分训练额度模型，上线后坏账率比预期高出40%。回溯发现：训练集包含未来逾期样本，模型“提前看到”了风险信号。样本切分的时间一致性是底线。
1.3 课程整体学习路径图
本课程按照“理论→方法→实操→验证”四阶段递进设计，覆盖额度模型样本构建与切分的完整链路：
1.4 课程核心交付物
完成本课程后，你将掌握以下可直接复用的能力：
| 能力维度 | 具体交付 | 对应章节 |
|---|---|---|
| 样本构建 | 可复用的样本构建Pipeline（含拒绝推断模块） | 第4-12章 |
| 样本切分 | 时间序列切分、分层抽样、交叉验证工具函数 | 第13-20章 |
| 模型训练 | 额度模型训练模板（LightGBM / XGBoost） | 第21-25章 |
| 效果验证 | 稳定性、区分度、校准度评估报告模板 | 第26-30章 |
学习建议：建议按顺序学习，不要跳过“理论基础”直接进入代码实操。样本构建与切分的底层逻辑一旦理解错误，后续所有模型工作都会建立在错误的地基上。